KANEA - AI biomedical platform for Africa
# KANEA
KANEA signifie **Knowledge Anthropology & Neural Engine for Africa**.
KANEA reprend l'architecture de la documentation technique source en conservant le meme socle scientifique et logiciel, avec un nouveau nom d'application. La plateforme est concue comme un outil open-source d'aide a la decision biomedicale et medico-legale pour les contextes africains a ressources limitees.
## Resume executif
KANEA integre quatre modules specialises :
1. `MalariaScan AI`
- detection automatique du paludisme a partir d'images microscopiques
- approche : **deep learning**
- stack documentee : `fast.ai v2 + PyTorch`, `ResNet34`
- interpretabilite : `Grad-CAM`
2. `NutriTrack AI`
- analyse biometrique et prediction de l'etat nutritionnel
- approche : **machine learning tabulaire**
- stack documentee : `RandomForest` + `XGBoost`
- calculs derives : `IMC`, `WAZ`, `HAZ`, `WHZ`, `MUAC`
3. `BioID AI`
- estimation du profil biologique medico-legal
- approche : **machine learning classique**
- sorties : sexe biologique, age au deces, ascendance, stature
- methodes documentees : `scikit-learn`, `PCA`, regressions osteometriques
4. `Breast Cancer AI`
- detection du cancer du sein sur mammographies
- approche : **deep learning**
- stack cible : `PyTorch`, `EfficientNet` ou `ResNet`
- classes : `Normal`, `Benign`, `Malignant`
Le tout est orchestre par une fonction centrale `multibio_predict()`, expose via un dashboard `Streamlit` et, dans la feuille de route, une API `FastAPI`.
## Architecture fidele au document
- `Model Layer`
- Module 1 - Malaria : `fast.ai / ResNet34`
- Module 2 - Biometry : `XGBoost / RandomForest`
- Module 3 - Forensic : `scikit-learn / ensemble`
- Module 4 - Breast Cancer : `PyTorch / EfficientNet`
- `Integration Layer`
- `multibio_predict()`
- `Presentation Layer`
- `dashboard/app.py` avec `Streamlit`
- `api/main.py` pour l'exposition REST des modules
## Jeux de donnees references
- `data/malaria/`
- NIH Cell Image Library
- 27 558 images
- classes : ` …